familias de correlación, pronosticos
TRANSCRIPT
Universidad de San Carlos
Facultad de Ingeniería
Control de la Producción
Ing. Rolando Chávez
Laboratorio No. 2
FAMILIAS DE CORRELACIÓN
Grupo C
Grupo C CONTROL DE LA PRODUCCIÓN
LABORATORIO DE CONTROL DE LA PRODUCCIÓN - FACULTAD DE INGENIERÍA
Hoja de Ponderación
Grupo C
Integrantes:
David Fernando Dominguez 2009
Jonathan López 2005
Esdras Esau Mérida Fuentes 2005
Wendy Azucena Aguilar Chávez
Punteo
Introducción
Marco Teórico
Marco Práctico
Conclusiones
Recomendaciones
Bibliografía
Grupo C CONTROL DE LA PRODUCCIÓN
LABORATORIO DE CONTROL DE LA PRODUCCIÓN - FACULTAD DE INGENIERÍA
INTRODUCCIÓN
Los pronósticos de producción son una aproximación de ventas de un producto
que se debe hacer en una empresa, la buena aplicación e interpretación de los
mismos es indispensable para no dejar de cubrir nuestra demanda o bien para
evitar producir de más; al no tener una estabilidad en las ventas, los métodos
ideales a utilizar son de las familias de correlación, ya que el cálculo matemático
es más exacto, siempre basándonos en los posibles errores que se presenten en
cada cálculo y determinando cual sería el mejor método.
Basándose en conocer que tipo de curva se representa, se estará utilizando las
herramientas estadísticas para utilizar las formulas de método lineal, modelo
logarítmico y exponencial para determinar cuál sería el mejor método a utilizar en
el ejercicio planteado y luego estimar los datos solicitados, a través del análisis
primario, secundario y las conclusiones en este ejercicio.
Grupo C CONTROL DE LA PRODUCCIÓN
LABORATORIO DE CONTROL DE LA PRODUCCIÓN - FACULTAD DE INGENIERÍA
JUSTIFICACIÓN
Pronosticar una demanda es fundamental en toda institución, que permite un
servicio adecuado, con costos razonables. Toda empresa requiere de pronosticar
demandas con cierta exactitud, para establecer un plan de producción eficiente,
que cumpla con los requerimientos del cliente y se mantenga dentro de la
capacidad de la empresa, esto permite mantener inventarios a niveles óptimos.
Pronosticar involucra predecir variables que influencian el comportamiento de las
ventas, pero ningún método de pronóstico logra un cien por ciento de exactitud,
por lo que no se puede predecir el comportamiento de cada variable siempre,
dando origen a cierto error de pronóstico. Esta falta de exactitud trae como
consecuencia, situaciones negativas, como exceso de inventarios, productos
agotados e incluso discrepancias entre departamentos, sobre todo entre
manufactura y ventas, ya que se produce en menor o mayor cantidad, de lo que
realmente se vende y lo que se ha proyectado.
Por ello es vital que se maneje un sistema de pronósticos con un nivel aceptable
de exactitud; esto se alcanza por parte de las empresas utilizando a ejecutivos
expertos, utilizando sistemas de información integrados, que almacenen la
información sobre ventas y en base a ellos desarrollar todo el estudio de
pronósticos que mejor se adapte al comportamiento de ventas. Esto representa
un alto costo para la organización, pues contar con el conocimiento de expertos en
marketing y ventas, así como utilizar sistemas de información es oneroso.
La inversión realizada en la elaboración de pronósticos fiables, se justifica, porque
evita a la empresa altos niveles de inventarios, unidades agotadas, un nivel de
atención al cliente deficiente, también hace desaparecer el término “urgente”, al
referirse a la manufactura de algún producto.
Grupo C CONTROL DE LA PRODUCCIÓN
LABORATORIO DE CONTROL DE LA PRODUCCIÓN - FACULTAD DE INGENIERÍA
OBJETIVOS
GENERAL
Conocer la aplicación de los pronósticos de correlación en los
procesos industriales y su desarrollo sistemático de regresión.
ESPECÍFICOS
Analizar la dispersión de los datos gráficamente y determinar la regresión
lineal que más se adapte al método de proyección.
Analizar cuál es el mejor pronóstico de acuerdo a la sumatoria del error
acumulado para familias de correlación.
Comprender el grado de correlación en la regresión y la influencia en el
pronóstico.
Diferenciar entre un pronóstico de riesgo y uno de evaluación.
Grupo C CONTROL DE LA PRODUCCIÓN
LABORATORIO DE CONTROL DE LA PRODUCCIÓN - FACULTAD DE INGENIERÍA
FAMILIAS DE CORRELACIÓN (ASCENDENTE Y DESCENDENTE)
Uno de los métodos más conocidos, pero también de los más mal utilizados es la
regresión lineal. En cualquier caso en que se utilice un modelo, es necesario
validarlo: esto es, verificar si los supuestos del modelo coinciden con la realidad. Y
esto no es lo que hace la mayoría de los usuarios. La regresión lineal implica por
lo menos, distribución normal de los errores de la variable dependiente, que no
están correlacionados y para utilizarlo con validez estadística, además debe
contarse con un tamaño de muestra n de por lo menos 30 datos históricos. Otro
supuesto obvio es que la tendencia observada de los datos puede ser descrita por
una recta. Sin embargo, este supuesto se puede obviar haciendo las
substituciones necesarias, por ejemplo, si se considera que una variable tiene un
comportamiento exponencial (no lineal), estos datos podrían “linealizarse”
calculando el logaritmo de los datos y proyectar el logaritmo.
Después se halla el antilogaritmo y esa sería la proyección.
La idea de la regresión lineal es hallar una recta que cumpla con un requisito
básico común para muchos métodos de pronóstico: la suma de los cuadrados de
la diferencia entre el valor estimado y el observado es mínima. Por eso se llama
también método de mínimos cuadrados
Análisis de regresión lineal
Se define a la regresión como una relación funcional entre dos o más variables correlacionadas y se usa para pronosticar una variable con base en la otra. En la regresión lineal la relación entre las variables forma una línea recta. Y = a + bX, otras formas son Y = aX + b, Y = mX + b Donde Y es la variable dependiente que queremos resolver; a es la intersección de Y; b es la pendiente y X es la variable independiente (en el análisis de series de tiempo, X representa unidades de tiempo). Los valores de a y b se obtienen de calcular: a= n∑(XtDt) – (∑Xt) (∑Dt) n(∑X2t) – (∑Xt)2
b = ∑Dt – b∑Xt n
La regresión lineal es útil para pronósticos a largo plazo de sucesos importantes. La restricción principal para usar los pronósticos de regresión lineal es que, supuestamente, los datos pasados y las proyecciones caen sobre una línea recta
La regresión es muy utilizada para interpretar situaciones reales, pero comúnmente se hace de mala forma, por lo cual es necesario realizar una selección adecuada de las variables que van a construir las ecuaciones de la
Grupo C CONTROL DE LA PRODUCCIÓN
LABORATORIO DE CONTROL DE LA PRODUCCIÓN - FACULTAD DE INGENIERÍA
regresión, ya que tomar variables que no tengan relación en la práctica, nos arrojará un modelo carente de sentido, es decir ilógico.
Según sea la dispersión de los datos (nube de puntos) en el plano cartesiano, pueden darse alguna de las siguientes relaciones, Lineal, Logarítmica, Exponencial, Cuadrática, entre otras. Las ecuaciones de cada relación se presentan en la siguiente tabla.
Tabla 1. Ecuaciones de regresión
REGRESIÓN ECUACIÓN
Lineal y = A + Bx Logarítmica y = A + BLn(x) Exponencial y = Ae(Bx) Cuadrática y = A + Bx +Cx2
Sin embargo obtener el modelo de regresión no es suficiente para establecer la regresión, ya que es necesario evaluar que tan adecuado es el modelo de regresión obtenido. Para esto se hace uso del coeficiente de correlación R, el cual mide el grado de relación existente entre las variables. El valor de R varia entre -1 y 1, pero en la práctica se trabaja con el valor absoluto de R, entonces, a medida que R se aproxime a 1, más grande es el grado de correlación entre los datos, de acuerdo con esto el coeficiente de correlación se puede clasificar de varias formas, como se observa en la Tabla 2.
Tabla 2. Clasificación del grado de correlación.
CORRELACIÓN VALOR O RANGO
Perfecta |R| = 1 Excelente 0.9 <= |R| < 1 Buena 0.8 <= |R| < 0.9 Regular 0.5 <= |R| <0.8 Mala |R|< 0.5
Por lo tanto el análisis de regresión es una herramienta estadística que permite analizar y predecir o estimar observaciones futuras de dos o más variables relacionadas entre sí, es decir una herramienta útil para la planeación.
Grupo C CONTROL DE LA PRODUCCIÓN
LABORATORIO DE CONTROL DE LA PRODUCCIÓN - FACULTAD DE INGENIERÍA
BIBLIOGRAFÍA
MONTGOMERY Douglas C., RUNGER George C.,
Probabilidad y Estadística Aplicadas a la Ingeniería, Ed.
McGraw Hill, 1996,
Capítulo 9.
AULAFACIL.COM,
Curso de Estadística,
Capítulos 12 y 13, 2003.
SISTEMA DE PRODUCCIÓN Y PRONÓSTICOS. Consultado el 14 de Agosto de
2012. Disponible en
http://cursos.aiu.edu/Control%20de%20la%20Produccion/PDF/Tema%201.pdf
REEB, PABLO. PRONÓSTICOS DE PRODUCCIÓN. Consultado el 14 de Agosto
de 2012, disponible en http://www.biblioteca.org.ar/libros/210875.pdf